Piqora – ein umfangreiches Tool-Set für Pinterest: Analytics und mehr…

Lange habe ich nicht mehr in mein Blog geschrieben. Das kann eben passieren, wenn man an einem Buch arbeitet – bald ist es gedruckt. Darum geht es mir hier nicht. Gestern gab das ehemalige Pinfluencer seine Umbenennung in Piqora bekannt. Ob es nun cool ist „Piq“ an den Anfang zu stellen, was ja wie pic ausgesprochen wird und iq  an IQ – also Intelligenz -erinnern soll, müssen Sie selbst beurteilen. Das überarbeitete Werkzeug ist auf jeden Fall einer erneuten Betrachtung wert.

Es gibt so einige Werte, Elemente und Funktionalitäten, die ich für ausgesprochen hilfreich halte.

Piquora Top Pin From Boards
Piquora Top Pin From Boards

Das fängt schon damit an, dass man seine erfolgreichsten Pins in einer Übersicht dargestellt bekommt und – das machen viele andere Werkzeuge nicht – auch Zeiträume bestimmen kann. Letztlich erinnert das Menü schon ein wenig an Google Analytics. Das tut der Sache keinen Abbruch: Hilfreich und übersichtlich ist es gemacht. Neben dem kleinen Klappmenü in der rechten oberen Ecke sehen Sie noch etwas, das für die Analytics sehr brauchbar ist: Man kann die Daten als CSV exportieren und damit weiterverarbeiten.

Piqora Influetial Website Pinners
Piqora Influetial Website Pinners

Man kann auch herausfinden wer von der eigenen Website pinnt und sieht gleichzeitig, wie einflussreich die Pinner sind, die da etwas verbreitet haben. Wenn Sie sich die Abbildung etwas genauer ansehen, dann werden Sie feststellen, dass Piqora auch einen Einfluss-Score ermittelt. Wenn ich mal die Gelegenheit habe, werde ich den noch genauer untersuchen. Er zeigt durchaus andere Ergebnisse als beispielsweise pinpuff oder PinReach.

Piquora Profile Metrics
Piquora Profile Metrics

Ein richtiges Dashboard gibt es auch. Ein wenig eigenartig ist es schon, dass das Board rechts versteckt ist und dieses doch recht wichtigen Zahlen so versteckt gelagert werden. Immerhin wird eine recht ansehnliche Zahl von Kennzahlen und deren Entwicklung gezeigt:

  • Viralität
  • Neue Pins
  • Neue Repins
  • Neue Likes
  • Neue Kommentare
  • Neue Follower pro Tag (Wow – ich habe 10 neue täglich).
  • Die Zahl der neuen Follower im Analysezeitraum
  • Das höchste Engagement der Follower (Wochentags)
  • Das höchste Engagement der Follower (Wochenende)

Teilweise wird die Grafik über den Zahlen noch angepasst, so dass man nicht nur den einen wichtigen Zeitpunkt hat, sondern auch noch einen richtig schönen Verlauf:

Piqora Follower Time Engagement
Piqora Follower Time Engagement

Und als wäre das noch nicht genug: Piqora hat noch ein besonderes Bonbon für die Freunde der gepflegten analytischen Verfahren. Ich hatte schon an einigen anderen Stellen darauf verwiesen, wie wichtig es besonders im Fall von Social Media ist, Analytics Werkzeuge miteinander zu verbinden um Konversionen durchmessen zu können. Bisher habe ich bisher immer nur die Möglichkeit gefunden, die Werkzeuge mit Google Analytics zu verbinden. Bei Curalate.com war das beispielsweise so. Das ist schon toll. Aber gerade große Unternehmen setzen oft eine Enterprise Lösung ein. Hier bietet Piqora mehr Schnittstellen an:

  • Google Analytics
  • Adobe
  • Coremetrics

Insgesamt ist das Tool übersichtlich und ausgesprochen hilfreich. Was es kostet, kann ich leider nicht sagen. Ich darf das Tool nutzen, weil ich früher mal einen Pinfluencer Account benutzt habe. Jetzt muss man auf Request Demo klicken. Dafür darf man dann auch noch zeitversetzt pinnen und zusätzlich gibt es ein Kampagnenmodul.

 

Pintics – viel mehr als ein Pinterest Analytics Tool

Ich habe bisher schon einige Social Media Analyse Werkzeuge für Pinterest besprochen. Pintics geht weit über diese hinaus und bildet den gesamten „Funnel“ ab. Man sieht nicht nur, wie erfolgreich einzelne Boards sind. Das ist wie in den anderen Tools: Fans, Likes und Repins werden angezeigt. Sondern man kann, wenn man Google Analytics benutzt, auch noch Visits, PageViews, die Bounces und, wenn bewertete Conversions erreicht wurden, die induzierten Sales sehen. Die Zahl der Pins sollte vielleicht noch ergänzt werden, sie fehlt noch in der Übersicht.

Pintics Übersichts Dashboard
Pintics Übersichts-Dashboard

Pintics unterscheidet drei Ebenen der Analyse. Es gibt das Übersichts-Dashboard, in dem das Ergebnis eines Accounts zusammenfasst wird. Eine Ebene tiefer liegen die Boards. Man erhält die gleichen Werte, die es schon im Übersichts-Dashboard gibt und eine Ebene weiter die Pins.

Pintics Ergebnisse Boards
Pintics: Boards Übersicht

Das ist auf der Ebene der Boards bereits jetzt – das Produkt ist in der Beta-Phase – sehr übersichtlich gelöst. Wenn es Pins gibt, die zu groß sind, um diese in der Tabelle sauber darzustellen, werden diese wie bei Pinterest selbst beschnitten. Leider fehlen in der Tabelle noch relative Werte, sowie die Zahl der Pins. In Webtrends, einem Tool der Enterprise-Klasse, gibt es hierfür die „Calculated Measures“. Vielleicht kommt diese Funktion ja in einer Professional Version von Pintics.

Zudem wäre es hilfreich, wenn man die Zahlen als CSV exportieren könnte. Dann wären eigene weitere Berechnungen mit weniger Aufwand möglich. Auch dies ist eine Funktionalität, die in eine Professional Version eingebaut werden sollte. Bei Curalate gibt es diese Download-Möglichkeit.

Pintics Pins Übersicht über alle
Pintics: Pin Übersicht (alle)

Eine entsprechende Übersicht gibt es auch über alle Pins. Allerdings werden die Pins hier immer in ihrer vollen Länge angezeigt, was die Darstellung bei Infographiken etwas unübersichtlich macht. Behebbar ist dies – schließlich unterscheidet sich das Template kaum vom vorhergehenden.  Zusätzlich gibt es noch eine weitere Darstellung auf der Ebene der Boards.

Pintics Pin Boards Popular
Pintics: Pin by Boards (Popular)

Diese ist zweigeteilt. Es gibt die Popular Pins und in der nächsten Abbildung die erfolgreichsten Pins hinsichtlich Traffic.

Pintics Boards Traffic from Pins
Pintics: Pin by Boards (Traffic)

In diesen Darstellungen wird der Umsatz nicht mehr angezeigt. Diesen müsste man, wenn er relevant ist, in der Einzelübersicht ablesen. Der Raum wird an dieser Stelle für den Verlauf der Metriken innerhalb der vergangenen sieben Tage benutzt. Ein Verschieben der Grafik an den  Kopf und damit einhergehend eine etwas größere Darstellung wären vorteilhaft. Leider werden auch in dieser Darstellung die besonders langen Pins nicht begrenzt.

Ein ausgesprochen nützliches Werkzeug

Auch wenn es hinsichtlich der Darstellung und der Ergonomie noch einigen Verbesserungsbedarf gibt: In Kombination mit Google Analytics bietet Pintics das, was man sich für Social Media wünscht – es wird nicht nur innerhalb der Plattform analysiert, sondern auch noch der Erfolg, der auf der eigenen Website erzielt wird. Dabei wird selbst ein kritisches Moment hinsichtlich Pinterest berücksichtigt. Viele der generierten Referrals enden in Bounces. Diese werden ausgewiesen und können eliminiert werden. Da stört es kaum, dass über der Tabelle ein Prozentzeichen steht, obwohl es sich um die absolute Zahl von Visits handelt.

Im Vergleich zu Pinerly ist der Aufwand sehr viel geringer, wenn man mit Google Analytics arbeitet, weil nicht jeder Pin einzeln getaggt werden muss. Allerdings funktioniert die Erfolgsmessung nur für die eigene Website. Dafür werden nicht nur Referrals gemessen – auch Conversions werden in die Analyse einbezogen.

Demnächst soll es noch einen Scheduler für das zeitgesteuerte Pinnen geben. Das ist eine Funktionalität, die sich viele Pinner wünschen. Ich drücke den Jungs derweil die Daumen. Sie leisten eine großartige Arbeit. Wie geschrieben Pintics ist beta. Derzeit kann man sich für einen kostenlosen Test registrieren.

Für die Technikspezialisten noch ein Hinweis: Wenn Sie einen Google Analytics Admin-Account verknüpfen, wird automatisch der Traffic aller enthalten Accounts analysiert.

Bedanken mochte ich mich noch bei den aktiven Teilnehmer der deutschen Pinterest Gruppe auf Facebook. Ohne Euch wären meine Tests viel schwerer relaisierbar.

Weitere Tools & Ansätze zur Pinterest Analyse

Pinerly – bald nicht mehr nur ein Pinterest Analytics Tool

PinReach – ein Pinterest Analytics/Insights Tool

Pinfluence – ein Klout für Pinterest & Analytics Daten

Repinly – Pinterest Statistik

Pinterest: Tracking von Pins der eigenen Website mit Google Analytics

PinAlerts -tracken welche Pins von der einen Website gesetzt wurden

Anforderungen an Pinterest Analytics & Monitoring

Anforderungen an Pinterest Analytics & Monitoring

Pinterest ist ein großer Wurf. Das scheint sicher. Hier sind sich die Forscher von ComScore und compete.com einig. Auch im Februar legte der Foto-Bookmark-Dienst wieder ausgesprochen kräftig zu – beinahe 50 Prozent. Dann scheint es auch noch so zu sein, dass Pinterest mehr sehr viel Referral-Traffic liefert als andere Social Media Plattformen. Dies ist Grund genug zu schauen, wie man das Phänomen aus Sicht der Social Media Analytics und des Monitoring angehen sollte, um die Leistung möglichst realistisch zu bewerten und einzuordnen. Erste Dienste, die ein entsprechendes Dashboard entwickelt haben, gibt es bereits – Pinerly & PinReach. Allerdings ist die Datentiefe noch etwas mager. Es handelt sich um Daten, die über das Pinterest API ausgewertet werden – diese beziehen sich eben nur auf die eigene Page. Das ist aber noch lange nicht alles, was an Referral Traffic produziert wird. Deshalb formuliere ich hier eine erste systematische Anforderung. Dabei gehe ich davon aus, dass Methoden der Analytics und des Monitoring kombiniert genutzt werden müssen, um den Effekt von Pinterest umfassend beurteilen zu können.

Bitte beachten Sie, dass hier eine Maximalanforderung formuliert wird. Eine Aufwandsabschätzung findet nur rudimentär statt. 

Wie wird gepinnt?

Die erste und entscheidende Frage ist tatsächlich, wie gepinnt wird. Dafür gibt es unterschiedliche Wege. Durch die folgende Abbildung wird deutlich, dass es sich bei über drei Viertel der Pins um sogenannte Repins handelt – also um solche, die von Nutzern aus einem anderen Board in das eigene oder ein anderes Board übertragen wurden.

Methoden des Pinnens (Quelle: RJMetrics)
Methoden des Pinnens (Quelle: RJMetrics)

Der wichtigste Weg, auf dem Bilder originär auf Boards gepinnt werden, ist die Verwendung des sogenannten Pinmarklets. Daneben gibt es Browser-Erweiterungen. So kann man beispielsweise durch die Verwendung der rechten Maustaste pinnen oder auch, indem man ein „P“ anklickt, das bei dem Mousover einer Grafik auf derselben erscheint. Viel weniger wichtig ist die Direkteingabe von Bild-Adressen auf Pinterest selbst. Die Erweiterungen und die Direkteingabe wurden in obiger Abbildung unter „other“ subsumiert.

Wenn man sich nun dafür interessiert, was von der eigenen Website gepinnt wurde, dann lässt sich das im Überblick relativ leicht ermitteln. Die Kollegen von futurebiz.de haben freundlicherweise darauf hingewiesen. Pinterest zeigt alle Bilder an, die von einer Domain gepinnt wurden. Dabei ist jeweils sogar die Zahl der Repins enthalten:

Pinterest Source Function
Pinterest Source Function

Die Funktion ist relativ einfach:

http://pinterest.com/source/Ihre_Domain/

Wenn man an der Stelle von „Ihre_Domain“ die eigene einträgt, bekommt man eine Übersicht vergleichbar der obigen Abbildung angezeigt. Freilich gibt es dabei einiges zu beachten.

  • Es handelt es sich lediglich um Pins, die durch die Verwendung des Marklets gemacht wurden.
  • Wird ein Bild der gleichen Domain mehrfach direkt gepinnt, so wird es jeweils einzeln angezeigt. Das ist in obiger Abbildung leicht zu erkennen. Ebenso werden Repins dieser Bilder einzeln zu den Pins zugerechnet.
  • Der Zeitraum für den Ergebnisse gezeigt werden, ist begrenzt.
  • Wenn mehrere Domains benutzt werden, müssen alle einzeln analysiert werden.
  • Bilder, die kopiert und auf anderen Plattformen eingebunden wurden, können auf diesem Weg nicht erfasst werden.

Man sollte sich also darüber klar sein, dass etwa ein Siebtel der Pins mit dieser Methode nicht gezählt werden. Das ist durchaus zu verschmerzen. Man könnte prinzipiell einfach hochrechnen. Allerdings ist zu vermuten, dass die Verwendung von Browser-Erweiterungen zunehmen wird. Studien wie die von RJMetrics müssten also regelmäßig durchgeführt werden. Zudem müssten Anhaltspunkte hinsichtlich der Verwendung des Marklet und der Nutzer von Browser-Erweiterungen etc. gewonnen werden. Im ersten Schritt ist dies aus meiner Sicht aber nachrangig.

Für das strukturierte Arbeiten wäre es ausgesprochen hilfreich, wenn die Daten für ein Bild zusammengefasst erhältlich wären. Von Pinterest werden diese Daten leider nicht in dieser Form angeboten. Die Daten manuell aufzusummieren, ist auch nicht allzu erquicklich.

Datenaufbereitung der Pins, Repins & Kommentare

Es wird rasch deutlich, dass gerade für Unternehmen mit vielen Produkten und einem großen Fanpotenzial die oben angesprochene Einfachmethode kaum ausreichen wird, um effizient zu arbeiten. Für die Bekleidungsunternehmen wird Pinterest eine wichtige Plattform zur Generierung von Traffic werden.

In einem ersten Schritt müssen die Werte für die Pins gleicher Inhalte zusammengeführt werden. Auf den ersten Blick sieht das nicht schwierig aus: Man zählt die Bilder durch und addiert Repins und Kommentare jeweils auf. Was manuell – also durch den Einsatz menschlicher Arbeitskraft zwar aufwändig, aber absolvierbar ist, stellt für einen Automaten vor eine große Herausforderung dar. Die Ursache hierfür ist in der Tatsache zu finden, dass Pinterest zumindest in der Bildausgabe, jede einzelne Grafik mit einem individuellen Namen versieht. Aus der Perspektive von Pinterest ist dies wahrscheinlich sogar zwingend, damit Bilder, die repinnt wurden, nicht verschwinden, wenn das originale Pin gelöscht wird.

Eine neue Anforderung kommt auf die Social Media Analytics und das Social Media Monitoring zu: Bilder müssen unabhängig vom Dateinamen erkannt werden oder – und dies ist wahrscheinlich der einfachere Weg – alle Links angeklickt werden, um in einer eigens konstruierten Datenbank jedem Pin einen Ziel-URL zuzuordnen und hierüber die eindeutige Identifikation des Produkts etc. zu gewährleisten. Dennoch ist dies auch keine ganz einfache Aufgabe: Bei Textilwebsites werden Produkte beispielsweise mehrfach an verschiedenen Positionen in die Website eingehängt, es gibt Bekleidungsstücke in unterschiedlichen Farben, die Websites verschiedener Unternehmen funktionieren unterschiedlich etc. In der folgenden Abbildung für

http://pinterest.com/source/gap.com/

können Sie beispielsweise in der rechten Bildspalte das gleiche Bild mit und ohne Preisangabe finden.

Mehrfach gleiche Bilder und Bilder in verschiedenen Versionen bei GAP
Mehrfach gleiche Bilder und Bilder in verschiedenen Versionen bei GAP

Es geht nun darum, mit welcher Granularität die Anforderung umgesetzt werden soll. Sollten tatsächlich verschiedene Platzierungen auf einer Website und verschiedene Farbvarianten eines Produkts zusammengefasst werden, so sehe ich keine allgemeine Lösung. Es würde sich jeweils um eine individuelle Anpassung pro Website (einer bestimmten Funktionsweise) handeln. Deshalb gehe ich davon aus, dass zunächst der allgemeinere Ansatz hinsichtlich der Zuordnung von Ziel-URLs zu Bildern realisiert wird. Um im daraus generierten Report die Übersicht zu erleichtern, könnte dieser entsprechend eines Pages-Reports in einem Web-Analytics Tool  aufgebaut sein. Dort werden i.d.R. die URLs in Verbindung mit den Page Titles gezeigt, um den Nutzern die Übersicht zu erleichtern.

Die Dimension wäre in diesem Fall also der URL in Verbindung mit dem Page Title. Als Metriken sollten dienen

  • Zahl der Original Pins,
  • Zahl der Likes
  • Zahl der Repins
  • Zahl der Comments

Diese Auswertung kann für die eigene und beliebige weitere Websites durchgeführt werden. So kann beispielsweise auch die Aktivität für verschiedene Länderwebsites gemessen werden, Wettbewerber können beobachtet werden etc.

(Noch) keine Reichweitenzahlen

Wichtig ist an dieser Stelle allerdings, dass die einfache Nutzung der Inhalte in Form von Views derzeit nicht messbar ist. D.h. es ist ebenso wie bei Twitter. Allerdings sind Views bei Twitter schon alleine aus seiner technischen Struktur heraus nicht messbar. Bei Pinterest würde das technisch schon funktionieren – die Plattform müsste es realisieren und die Daten ihren Nutzern zur Verfügung stellen. Hierbei könnte es zu Problemen hinsichtlich des Datenschutzes kommen. Aus meiner Sicht sind hier nur zwei Wege denkbar:

  • Grundsätzlicher Zugriff auf alle Daten
  • Zugriff auf Daten der eigenen Domain, bzw. auf im Zugriff befindliche Domains

Strukturierung der Daten

Es handelt sich dabei um quantitative Daten, die durchaus mit denen von Facebook vergleichbar sind. Dabei sind im Grunde genommen alle Pins, die nicht selbst gesetzt wurden „viral“ – um in der Facebook-Nomenklatur zu bleiben. Insgesamt lassen sich die Daten abbilden, wie dies bei Facebook seit Herbst 2011 gemacht wird. Allerdings gibt es nach die oben angesprochenen Lücken hinsichtlich der Nutzung – also weder Reichweitendaten noch Daten hinsichtlich VIews:

Pinterest Daten in Facebook Struktur
Pinterest Daten in Facebook Struktur

Sentiment?

Social Media Monitoring Tools werten auch das sogenannte „Sentiment“ aus. Es wird dabei ermittelt, ob die Aussage innerhalb eines Kommunikats positiv, neutral oder negativ ist. Dabei wird das Produkt, die Organisation, das Thema etc., auf die sich die Aussage bezieht, aus dem Text an sich herausgelesen. Pinterest nennt hier an der konkreten Stelle lediglich die Domain der Website. In vielen Fällen wird im oft knappen, dafür aber stark wertenden Text kein Name oder ähnliches zur Identifikation genannt. Auch für den Zweck des Monitoring muss also dem Link gefolgt werden, um den Text zuzuordnen und weiter zu qualifizieren. Der Produktname steht in den allermeisten von mir getesteten Fällen auf der Zielseite des gezeigten Bildes, müsste allerdings auch automatisiert identifiziert werden. Dabei handelt es sich um eine Aufgabe, die im Crawling von Informationen durchaus bekannt ist bisher nach meinem Wissen jedoch noch nicht im Monitoring eingesetzt wurde.

Pins eigener Produkte von fremden Websites

Insgesamt ist die Lage jedoch noch um ein Stück komplexer. Die eigenen Produkte werden in vielen Fällen ja nicht nur über die eigene Website vertrieben, sondern auch über viele andere Plattformen. Wenn man nun wissen möchte, wie oft die eigenen Produkte gepinnt werden, dann wird es knifflig. Wenn es darum geht, die Kommentare auf Produktbewertungsportalen zu monitoren, ist das auch nicht ganz einfach. Der Produktname wir leider nicht immer einheitlich geschrieben. Im Falle von Pinterest erhält man den Produktnamen mitunter erst nach zwei Klicks. Die große Frage ist dann, wo der Produktname steht, um ihn der Bewertung unterhalb des Produktbilds zuzuordnen. Nach meiner Einschätzung erfordert dies jeweils starke manuelle Eingriffe bei der Einrichtung des Monitoring für einen Kunden. Meistens steht der Produktname im Titel der Seite. Dieser Titel hat dann oft auch noch eine Erweiterung, wie beispielsweise „kaufen im Laden XY“. Diese Erweiterung ist glücklicherweise auch fast immer gleich, so dass diese automatisiert gelöscht werden kann.

Leider gibt es noch eine weitere Schwierigkeit: Auch wenn die Unternehmen ihre Stammdaten per CSV oder auf anderen Wegen an Händler übergeben, so lassen viele Online-Shops den Produktnamen nicht unberührt. Der Name wird im Sinne der SEO bearbeitet und erweitert. Aus Jacket wird Jacke, der Verwendungszweck wird ergänzt, etc. Das alles ist für den Verkauf richtig und wichtig. Für das Monitoring verursacht es einen nicht zu unterschätzenden Aufwand. Ob dieser für eine automatisierte Rücktransformation gerechtfertigt und notwendig ist, muss in der Diskussion mit dem Kunden eruiert werden. Eine allgemeine Lösung ohne Anpassungsaufwand kann ich mir derzeit nicht vorstellen.

Tracking von Pins auf der eigenen Website

Ein anderer Weg, den man einschlagen kann, um zu einer Einschätzung darüber zu gelangen, wie häufig Bilder von der eigenen Website gepinnt werden, besteht darin, dies auch auf der eigenen Website zu tracken. Ganz einfach ist das nicht, da beispielsweise der Pin-Button in einem I-Frame untergebracht ist. Eine Lösung bei der Verwendung von Google Analytics wurde von Luna Metrics formuliert.

Leider bezieht sich diese Methode zum einen nur auf Google Analytics. Hinweise zur Umsetzung in anderen Tools gibt jedoch es schon: Events können auch in Webtrends oder Adobes Omniture getrackt werden. Zum anderen – und das ist erheblich wichtiger – bezieht sich diese Methode nicht auf das Tracking unter der Verwendung des Pinmarklet, das am häufigsten zum Pinnen benutzt wird. Hier müsste auf jeden Fall geprüft werden, ob ein Tracking möglich ist. Pinterest ruft zwar das zu pinnende Bild vollständig beim Server ab. Diese Information stünde dann allerdings nur im Server-Logfile. On Demand Services wie Omniture könnten diese Information nicht auswerten. Hier wäre Webtrends on Premise im Vorteil. Eleganter wäre es, den Einsatz des Marklet an sich zu tracken, auch wenn hierbei nicht klar ist, welches Bild einer Page tatsächlich gepinnt wird. Das Marklet zeigt alle pinnbaren Bilder einer Page an und der Nutzer entscheidet durch einen Klick, welches er pinnen möchte. Ob tatsächlich gepint wurde, würde man mit dieser Methode auch nicht messen können. Tatsächlich gemessen würde lediglich die Auslösung des Marklets.

Pinterest Marklet: Oft viele Bilder
Pinterest Marklet: Oft werden viele Bilder angezeigt.

Es könnte also kaum zugeordnet, werden um welches Produkt es sich handelt. Allerdings wäre durch den Ziel-URL die Zuordnung zu einer Produktgruppe möglich.

Tracking des Referral Traffic

Das Tracking des Referral-Traffic muss in der Web-Analytics Applikation erfolgen. Für die Referrer gibt es in allen mir bekannten Lösungen Standard-Reports. Diese müssen dann nur noch auf Pinterest gefiltert werden, was auch meistens möglich ist. Für Google Analytics gibt es eine entsprechende Erläuterung.

Ratsam ist es die eigenen Pins mit Kampagnen-Codes zu versehen, dann kann der Erfolg der eigenen Pins mit dem Gesamterfolg in Relation gestellt werden. Das Vorgehen mit Google-Analytics ist denkbar einfach – auch wenn die Bearbeitung derzeit noch manuell erfolgen muss und etwas Aufwand verursacht, der aus meiner Sicht vertretbar ist. In der folgenden Abbildung, sehen Sie die beispielhafte Generierung der Tracking URL für diesen Artikel:

Google-Analytics Gernerierung Pinterest Tracking URL
Google-Analytics Gernerierung Pinterest Tracking URL

Wenn man ein Produktbild oder wie ich ein Bild aus diesem Artikel pinnt, dann kann man bei Pinterest im ersten Schritt den URL des Bildes nicht editieren, wohl aber wenn man wen man das Bild anschaut und auf Edit klickt. Sie müssen dann einfach die Tracking-URL in das entsprechende Feld kopieren (Link):

Editieren der Pinterest Tracking-URL
Editieren der Pinterest Tracking-URL

Wenn man einen eigenen Report für Pinterest haben möchte, so lässt sich das mit Produkten der Enterprise Klasse auch recht einfach lösen. Es wird ein Report angelegt, der entsprechend gefiltert ist. Wenn man es für erforderlich hält, kann man auch noch resultierenden Umsatz zuordnen und Bounces – also Besuche mit nur einem View – aus dem Report herausfiltern.

Hinweise & Diskussion?

Ich würde ich über Hinweise und eine lebhafte Diskussion freuen!

Facebook Insights richtig interpretieren – ein Guide (Teil 2)

In diesem zweiten Teil des Guide werden die übrigen im Dashboard genutzten Werte Reach, Engaged Users, Talking about this und Virality unter die Lupe genommen (Reichweite, eingebundene Nutzer, darüber sprechen & Viralität). Zusätzlich werden einige Tools genannt und Hinweise für die Wettbewerberanalyse gegeben. Darüber hinaus wird die Möglichkeit von A/B-Tests und MVTs erörtert.

Teil 1 von „Facebook Insights richtig Interpretieren“ finden Sie hier.

Mit Tool auf die Daten zugreifen – Möglichkeiten hinsichtlich Wettbewerberanalyse

Im ersten Teil der Beitragsreihe wurde bereits darauf hingewiesen, dass ein Teil der in den Facebook Insights abgebildeten Daten frei zugänglich ist. Mit Werkzeugen, wie All Facebook I Stats können diese auf recht einfachem Weg abgerufen werden. Um dies zu verdeutlichen, habe ich ein Beispiel mit drei Telekommunikationsunternehmen gewählt. Hierfür ergibt sich in der nächsten Abbildung für die Zeit von Mitte Januar bis Mitte Februar folgendes Bild:

Facebook Fan-Entwicklung (Darstellung allfacebookstats.com)

Die Entwicklung der Fan-Zahl kann also mit denen von Wettbewerbern verglichen werden.  Dabei liegen die Werte als Rohdaten vor, so dass auch noch detailliertere Schlüsse gezogen werden können als in den Facebook Insights direkt:

Fan-Entwiccklung auf täglicher Basis (Quelle: allfacebookstats.com)
Fan-Entwicklung auf täglicher Basis (Quelle: allfacebookstats.com)

Der Abbildung kann entnommen werden, wann es besondere Schwankungen in der Fan-Entwicklung gab. Mögliche Ursachen hierfür sind meist Werbung oder besondere Ereignisse, über die in der Presse berichtet wurde. Im Fall des hohen Ausschlags für o2 Deutschland ist Presseberichterstattung zu vermuten. Da über 3.000 Fans gewonnen wurden, lohnt sich die Recherche hinsichtlich der Ursache. Möglicherweise können andere Unternehmen auf einem ähnlichen Weg auch Fans gewonnen werden. All Facebook I Stats ist für bis zu drei Pages umsonst, darüber hinaus verursacht es Kosten. Der Dienst bezieht die Daten über das Facebook Graph API.

Versteckte Informationen

Wie gewonnen so verloren: In den Insights zeigt Facebook auch auf täglicher Basis die „Unlikes“, also Fans die nicht mehr Fans sein wollten. Hier ist eine Beispielabbildung:

Fan Unlikes

Aus dem Verlauf kann man ableiten, zu welchen Gelegenheiten Fans einer Page nicht mehr folgen möchten. Das liegt meist an der Art und Häufigkeit, mit der kommuniziert wird, aber auch an externen Ereignissen in der Presse oder Werbung. Besonders dann, wenn starke Ausschläge sichtbar werden, solle analysiert werden, in welchem Zusammenhang diese stehen, um gegebenenfalls Postings zu variieren. Hier – wie in allen anderen Fällen von Mehrkurvengraphiken bei Facebook gilt: Man kann die oberen Linien wegklicken, so werden die Ausschläge der unteren Linien deutlicher.

Old Insights

Eine andere wichtige Information hat Facebook leider in den  Insights geradezu versteckt. Weder den aktuellen Insights noch den „Old Insights“ kann man einfach entnehmen, welcher Anteil der Nutzer die Meldungen einer Page verbirgt. Man muss dazu den Engage-Wert jedes Beitrags einzeln anklicken und die Werte übertragen. Das ist schon sehr umständlich, wenn man umfangreicher auswerten möchte. In einer früheren Version war dies noch einfacher möglich. Diese Messgröße ist ebenso wie die Unlikes ein wichtiger Hinweis darauf, ob bestimmte Typen von Meldungen bei den Nutzern nicht ankommen. Für technisch Versierte: Derzeit können die Werte auch noch über das Graph API abgerufen werden. Eine Anleitung hierzu gibt es bei wisemetrics.com.

Social Media Analytics & Monitoring
Mein Buch zum Thema für
34,90 € bei Amazon

Die Metriken

In diesem zweitenTeil möchte ich den unteren Bereich des Dashboards analysieren – also die Werte, die Facebook hinsichtlich einzelner Posts zeigt. Hierzu gibt es im Hilfebereich von Facebook u.a. folgende Erläuterung:

Was bedeutet die Reichweite meiner einzelnen Seitenbeiträge?

Die Reichweite gibt die Anzahl der Personen an, die einmalig deinen Beitrag gesehen haben.

Was bedeuten die „eingebundenen Nutzer“ meiner einzelnen Seitenbeiträge?

„Eingebundene Nutzer“ gibt die Anzahl der Personen an, die an einer beliebigen Stelle auf deinen Beitrag geklickt haben.

Was bedeutet „Personen, die darüber sprechen“ meiner einzelnen Seitenbeiträge?

„Personen, die darüber sprechen“ ist die Anzahl der Personen, die eine Meldung über deinen Beitrag ausgelöst haben. Zu den Meldungen gehören:

-> Teilen, „Gefällt mir“-Markierungen oder Kommentare zu deinem Beitrag

-> Beantworten einer Frage

-> Zu einer Veranstaltung zu- oder absagen

Was bedeutet die Viralität meiner einzelnen Seitenbeiträge?

Viralität ist die Anzahl der Personen, die eine Meldung über deinen Seitenbeitrag ausgelöst haben als Prozentsatz der Gesamtzahl der Personen, die den Beitrag gesehen haben.

Worin unterscheiden sich „Impressionen“ und „Reichweite“?

Impressionen messen die Anzahl der Male, die ein Beitrag deiner Seite angezeigt wird, unabhängig davon, ob darauf geklickt wird oder nicht. Es kann vorkommen, dass jemand mehrere Impressionen des gleichen Beitrags sieht. So sieht ein Fan vielleicht eine Seitenaktualisierung einmal in den Neuigkeiten und dann noch einmal, wenn ein Freund sie teilt. Die Reichweite misst die Anzahl der Personen, die Impressionen eines Seitenbeitrags erhalten haben. Die Reichweite kann geringer sein als die Impressionen, da ein Nutzer mehrere Impressionen sehen kann.

Worin unterscheiden sich die organische, bezahlte und die virale Reichweite?

-> Organische Reichweite: Die Anzahl der Personen (Fans und Nicht-Fans), die den Beitrag einmalig in ihren Neuigkeiten, in den Kurzmeldungen oder auf deiner Seite gesehen haben.

-> Bezahlte Reichweite: Die Anzahl der Personen, die den Beitrag einmalig über ein gesponsertes Produkt (Seitenbeitragswerbung oder gesponserte Meldungen) gesehen haben.

-> Virale Reichweite: Die Anzahl der Personen, die den Beitrag einmalig über eine von einem Freund veröffentlichte Meldung gesehen haben. Zu diesen Meldungen zählen „Gefällt mir“-Markierungen, Kommentare, Teilen des Beitrags, Beantworten einer Frage oder Zu-/Absagen zu einer Veranstaltung.

Hier nun die genaue Erläuterung der Werte aus meiner Sicht:

Reach: Reichweite der Beiträge – die Grundlage 

Hierzu nennt Facebook als Definition „Anzahl von Nutzern, die einen Beitrag gesehen haben“. Man könnte also auch hingehen und als KPI einen Anteil der Nutzer definieren, die einen Beitrag gesehen haben, um über die Klassifikation von Themen, Medien und Zeiten die Postings zu optimieren. Das erscheint aber schon im ersten Moment nicht ganz einfach:

  • Wie sind Inhalte zu klassifizieren? Ist die Sichtbarkeit von Postings nicht etwa auch von Umweltfaktoren, wie Wetter, der Nachrichichtenlage oder Wettbewerberaktivitäten abhängig?
  • Wie kann mit verschiedenen Medientypen umgegangen werden?
  • Kann man überhaupt valide testen?
  • Sind die Daten, die Facebook zeigt überhaupt richtig?
Fangen wir mit der letzten Frage an: Natürlich sind die Daten aus der Sicht von Facebook korrekt. Es gibt allerdings Kontakte, die nicht mit in die Reichweite eingehen. Dabei handelt es sich um solche, die mittels Applikationen per API auf die Beiträge zugreifen – Hootsuite, Pulse und SocialHub sind Beispiele. Die angegeben Reichweite ist also ein Minimalwert für Beiträge, die über die Facebook Website aufgerufen wurden, in Social PlugIns erschienen sind oder Teil einer (bezahlten) Facebook-Anzeige waren. Die Beiträge können auch als geteilte Beiträge auf im Facebook-Steam gesehen worden sein und werden gezählt. Es sind dann solche, die in der Graphik, die nach dem Klick auf einen Reichweitenwert erscheint, als „Viral“ klassifiziert sind:
Facebook Reichweitenanteile
Das sagt freilich noch immer nicht, von wie vielen unterschiedlichen Nutzern die Beiträge gesehen wurden.
Es gibt noch zwei Faktoren, die man im Hinterkopf behalten sollte:
  • Es greifen Accounts auf die Beiträge zu und nicht Nutzer
  • Es gibt Nutzer, die Beiträge ausblenden
Die Klassifikation von Beiträgen ist eine Aufgabe der Inhaltsanalyse. Wenn diese gründlich sein soll, muss eine Skala entwickelt werden, mit deren Hilfe die Codierung der Beiträge hinsichtlich der interessierenden Merkmale möglich ist. Die Analyse hinsichtlich der Medientypen wäre prinzipiell einfacher, Facebook gibt das Merkmal jedem Post mit. In der nachfolgenden Abbildung kann man das sehen:
Beitäge auf Facebook inkl. der Interaktionsmetriken Kommentare - Likes plus dem Medientyp bei allfacebookstarts.com
Beitäge auf Facebook inkl. der Interaktionsmetriken Kommentare - Likes plus dem Medientyp bei allfacebookstarts.com
Um dies einfach auswerten zu können, benötigt man die Daten jedoch gesammelt in einem Auswertungs-Werkzeug. Sollten keine APIs oder keine aufbereiteten Daten zur Verfügung stehen, so muss man den manuellen Weg über die Tabellenkalkulation wählen.

A/B-Tests und multivariates Testen möglich?

Die Frage, ob man Facebook einem A/B- oder MV-Test unterziehen kann, wird häufig gestellt. Wenn solche Tests angeboten werden, dann handelt es sich um die Inhalte von Tabs, die getestet werden und nicht um den Erfolg von Meldungen im Stream. Der Grund hierfür ist einfach: Für multivariate Tests (MVT) muss der HTML Code der zu testenden Seite(n) manipuliert werden. Man müsste zum gleichen Zeitpunkt zwei oder mehreren Gruppen der Nutzer verschiedene Inhalte zeigen oder den gleichen Inhalt verschiedenen Nutzergruppen zu unterschiedlichen Zeitpunkten. Das ist nur möglich, wenn man technisch weitgehenden Zugriff auf die Analyseobjekte hat. Dies ist bei Facebook leider nur begrenzt gegeben, was auch verständlich ist. Der Zugriff über eingebundene Skripten von Test-Tools könnte die Website weitreichend verändern. Diese Einflussnahme erlaubt Facebook nur bei Tabs, die mittels I-Frames bespielt werden. Es gibt also noch keine Möglichkeit im Stream über multivariate Tests zu optimieren.
Testen kann man hingegen Facebook-Ads – also ggf. den bezahlten Traffic-Anteil der Reichweite. Hierzu bietet beispielsweise Boost CTR ein entsprechendes Tool an. So sollte man beispielsweise auch die Sponsored Storys testen können, die im Stream erscheinen (werden). Inwieweit diese Ergebnisse sich auf reguläre Postings übertragen lassen, bleibt offen. Es gibt dazu leider noch keine Erfahrungswerte.

Engaged Users = Eingebundene Nutzer

Das wichtigste Gut von Facebook sind die Daten. In früheren Version der Insights gab es den PostView bzw. die PostImpression – also keine Reichweite sondern die Zahl von potenziellen Sichtkontakten mit einem Post und die Zahl der Likes und Kommentare für einen Post. Also Interaktionswerte. In der aktuellen Version wurde zwischen Reichweite Impression und die Interaktion ein weiterer Wert geschoben: Die sogenannte Einbindung – keine besonders glückliche Bezeichnung. Facebook versteht darunter „die Anzahl der Personen, die an einer beliebigen Stelle auf deinen Beitrag geklickt haben.“ Es geht also darum, dass Nutzer aktiv wurden und sich mit einem Post beschäftigen, sich informieren. Hier ein Beispiel:
Potenzielle Einbindungsbereiche: Alles das in einer Meldung anklickbar ist

In der Abbildung ist ein Beitrag mit beinahe allen möglichen Elementen zu sehen. Alles was darin anklickbar ist und angeklickt wird sieht Facebook als Zeichen der Einbindung, des Engagement. Eine genaue Definition findet sich im Product Guide, der nur in englischer Sprache vorliegt:

Video plays: The number of times the playbutton of your video was clicked on.

Photo views: The number of times your photowas viewed in its full size.

Link clicks: The number of time the link includedin your post was clicked on.

Other clicks: The number of clicks on your post that are not counted in other metrics. These clicks can include clicks on people’s names incomments, clicks on the like count, clicks on thetime stamp, etc.

Stories generated: The number of stories that were created from your post. Stories include liking, commenting on or sharing your post, answering a Question or RSVP-ing to an event.

Engaged Users sollten also Accounts sein, die mindestens eine der genannten Aktionen für einen Beitrag ausgelöst haben. Wenn man die Zahl der „Engaged Useres“ mit der Reichweite in Relation setzt, erhält man also den Anteil der Nutzer, die mindestens an einer Stelle mit dem Beitrag interagiert haben.

Wenn man in einer Datenzeile auf die Zahl der Engaged Users klickt, wird eine Abbildung wie die obige angezeigt. Der groß gedruckte Wert ist die Zahl der Eingebundenen User. Wenn man die Maus über die Flächen bewegt, wird die Zahl der Aktionen angezeigt. Im Vorliegenden Beispiel wäre es die aufgerufenen Fotos, andere Klicks – beispielsweise auf die Likes oder Kommentare etc. – sowie Stories, die aus dem Post hervorgegangen sind. Ganz klein ist auch die Zahl der negativen Feedbacks zu sehen – also die Zahl der Nutzer die den Beitrag aus dem News Feed genommen haben oder anderes negatives Feedback gegeben haben. Wie weiter oben beschrieben, kann man diese Zahl auch über das API abrufen, um die Beiträge im Zusammenhang mit allen verfügbaren Zahlen auszuwerten.

Bemerkt werden sollte hier wiederum, dass alle Aktionen gezählt werden, die die Facebook Website als Zielseite haben oder bei denen ein Redirect über die Facebook Website führt. Stellt man als KPI für die Güte eines Beitrags also

Engaged Users / Reach

dann ist der Wert ansich mit größter Wahrscheinlichkeit zu hoch, weil ein größerer Anteil des Engagements also der Reichweite valide gemessen werden kann. Das ist wichtig zu wissen, zum Vergleich des Erfolgs verschiedener Postings nicht wirklich wichtig, da davon auszugehen ist, dass alle Postings in gleichem Maße von dem Fehler betroffen sind.

Talking about This = Personen, die darüber sprechen – Likes & Comments

Eine höhere Stufe der Interaktivität ist „Talking about This“. Wobei „sprechen“ nicht wirklich der richtige Ausdruck in diesem Zusammenhang ist. „Kommunizieren“ würde besser passen. „To communicate“ ist auch auf Englisch länger und passt nicht so gut in Zellen von Excel und in Präsentationen. Dies könnte der Grund dafür sein, dass „Talking“ gewählt wurde. Es geht darum, ob Like angeklickt oder ein Kommentar eingetragen wurde. Wiederum wird auf Beitragsebene die Zahl unterschiedlicher Accounts gemessen.

So wird deutlich, dass Facebook die Messgrößen im Bereich der Interaktivität ausgeweitet hat. Bisher gab es die beiden Größen „Comment“ und „Like“ die jetzt addiert die Größe „Talking about this“ bilden. Hinzu kommt die schon beschriebene Größe „Engagement“ und die Metrik „Virality“, die im folgenden Abschnitt erläutert wird.

Der Zusammenhang von Reichweite und Interaktion bei Facebook
Der Zusammenhang von Reichweite und Interaktion bei Facebook

Viraliät

Viralität ist häufig ein wichtiges Ziel, das Unternehmen mit ihrem Facebook-Engagement verfolgen. Sie wollen mehr echte Fans. Wenn also Fans nur in einem Beitrag kommunizieren, den nur Fan sehen, die das Unternehmen ohnehin schon hat, so steigert die möglicherweise die Kohäsion der Fans, mehr werden es hierdurch aber nicht. Leiten sie jedoch einen Beitrag weiter, dann besteht immerhin die Möglichkeit, dass der Beitrag von Nutzern gesehen wird, die noch nicht Fan des Unternehmens sind. Es geht also um die „Friends of Fans“. Leider sagt der Wert an dieser Stelle nicht, wie viele Nutzer durch das Teilen potenziell erreicht wurden. Alle Teilungsvorgänge werden addiert, gleich ob öffentlich geteilt wurde, an alle Freunde oder nur eine Person. Bedauerlicherweise habe ich im API auch keine Möglichkeit gefunden, die „Shares“ weiter zu bewerten oder sie gar mit der Zahl potenziell erreichbarer Personen in Zusammenhang zu bringen. Zudem wird mit der angegeben Methode nicht gemessen, wenn Fans einen Beitrag manuell in ein anderes Netzwerk weitergeben – also beispielsweise den Link auf neinen Blog-Beitrag bei Twitter oder Google+ posten.

Facebook hat also drei neue Parameter für die Interaktion mit Beiträgen etc. entwickelt. Ich würde diese jedoch anders bezeichen:

  1. Enganged Users: Sich aktiv informierende Nutzer.
  2. Talking about this: Kommunikation über einen Beitrag, so dass dies maximal die Fans der Page sehen können.
  3. Viral: Weitergabe von Beiträgen über die Fan-Gemeine einer Page hinaus.

Im den weiteren Teilen der Reihe werde ich die noch verbliebenen Werte erläutern und KPIs herleiten und erste Anhaltspunkte für die Bestimmung eines ROI geben. Zum Abschluss wird dann gezeigt, wie man aufgrund der gegebenen Daten die Bespielung der Seiten optimieren kann.

Hier geht es zu Teil 3. Ich habe nochmal die Likes & Unlikes sowie deren Aussagegehalt in den Facebook Insights etwas genauer analysiert.

Quellen:

Neben der zitierten Facebook-Hilfe habe ich den offiziellen Facebook-Guide genutzt. Für den nächsten Teil des Guide bildet ein Blog-Beitrag von Aviansh Kaushik eine wichtige Grundlage.